密度聚类算法研究及其在图像分割中的应用
发布时间：2021-08-06 11:21
图像分割技术是图像处理与分析的基础工作,传统图像分割技术大多是以像素为基本单元进行。超像素技术是一种将具有相似颜色、纹理、亮度等特征的相邻像素形成一系列像素区域的技术。基于超像素的图像分割既保留了图像分割的重要内容,又不破坏目标物体的边界信息,可以大大简化图像表示,降低后续图像处理任务的复杂度。基于超像素的图像分割的关键点在于超像素生成,聚类是生成超像素的有效方法。为此,本文重点研究密度峰值聚类和中性集模糊聚类及其在超像素生成和图像分割中的应用。本文的工作内容主要包括以下三方面:（1）密度峰值聚类（DPC）是一种基于局部密度的聚类方法,在DPC中影响算法的效果的两个基本因素是局部密度定义和类中心选择。针对经典DPC在定义局部密度时没有考虑到邻域内样本点的分布情况,以及无法自动选择类中心等问题,提出一种基于分布的自动阈值密度峰值聚类算法,并将其应用于超像素生成。实验表明,新算法不仅能够自动选择聚类中心,而且相比已有原算法能获得更高分类准确度,所获得的超像素图像质量更高。（2）针对中性集模糊聚类（NFC）分割方法初始参数需要人工干预,且没有考虑空间信息对噪声和分割效果影响,提出密度峰值优化...
【文章来源】：广西民族大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
直接密度可达、密度可达、密度相连
OPTICS可达图
数据点的比率，超过指定的某个输入的参数即阈值，当这个单元格中的点数大于该阈值时，我们说该单元格稠密，否则不是；4、在某个相邻区域内将密度较大的连通起来成为一个集合称为簇。定义12(网格单元)n维的数据集123,,,...,nDSDDDD，将每一个子空间iD都扩展划分为与最大的子空间maxD大小相等的区域，然后可以根据网格步长gs来将D划分成m个大小相等的区间，从而把D分成了m个互不重叠的网格单元。定义13(单元格的有效性)如果令jv表示jg的有效性，当x0时(x为jg中数据的个数)jg则为有效，0jv;否则无效，1jv。图2.3子空间划分Fig2.3Subspacedivision定义14(稠密单元格)给定密度阈值，当DS射影到g范围内数据对象的数量x时，g为稠密单元格dg，否则为非稠密单元格dg。定义15(上/下四分位距)在箱形图中，三四分位数3Q与二四分位数2Q的差距称为为上四分位距，即:32UIQRQQ;二四分位数2Q一四分位数1Q的差距称为为下四分位距，即:21UIQRQQ定义16(边界网格)预先指定阈值，在iD中，dgg，且dg{g的相邻单元格}都g，则g为边界单元格。下面是CLIQUE算法步骤。表2.3CLIQUE算法步骤Table2.3CLIQUEalgorithmstepsCLIQUE算法步骤(1)根据(根据空间数据特征来确定)的值，把原多维空间数据对象的每一维属性划分成相等的区间，同时将每一维上区间的划分保存下来；(2)n1，经过划分得到的所有矩形单元都为候选稠密单元；(3)扫描原数据空间，找出n维子空间中落在每个候选稠密单元的数据对象个数，就是记录
【参考文献】：
期刊论文
[1]基于聚类与Hough变换的交通标志检测方法[J]. 苗丹,卢伟,高娇娇,李哲. 计算机系统应用. 2019(11)
[2]基于区间数的不确定性数据聚类算法:UD-OPTICS[J]. 吴翠先,何少元. 计算机工程与科学. 2019(07)
[3]CUDA-TP:基于GPU的自顶向下完整蛋白质鉴定并行算法[J]. 段琼,田博,陈征,王洁,何增有. 计算机研究与发展. 2018(07)
[4]结合Ostu阈值法的最小生成树图像分割算法[J]. 宋森森,贾振红,杨杰,Nikola KASABOV. 计算机工程与应用. 2019(09)
[5]不确定NNSB-OPTICS聚类算法在滑坡危险性预测中的研究与应用[J]. 毛伊敏,陈华彬,李忠利,张灿龙. 计算机应用研究. 2019(01)
[6]肺部CT图像病变区域检测方法[J]. 韩光辉,刘峡壁,郑光远. 自动化学报. 2017(12)
[7]一种基于网格与加权信息熵的OPTICS改进算法[J]. 安建瑞,张龙波,王雷,金超,怀浩,王晓丹. 计算机工程. 2017(02)
[8]基于图论的图像分割方法关键技术研究[J]. 叶青,胡昌标. 计算机与数字工程. 2016(08)
[9]图像分割中的超像素方法研究综述[J]. 宋熙煜,周利莉,李中国,陈健,曾磊,闫镔. 中国图象图形学报. 2015(05)
[10]量子粒子群优化改进的模糊C均值聚类算法[J]. 李引,毛力,须文波. 计算机工程与应用. 2012(35)
硕士论文
[1]基于中值的Otsu算法在图像处理中的研究与应用[D]. 王菡.吉林大学 2013
[2]基于图割理论的肝脏CT图像分割算法研究[D]. 郝闯.东北大学 2012
[3]聚类分析算法CLIQUE的改进及应用[D]. 陈朝华.中南大学 2009
[4]图像增强算法的研究[D]. 盛道清.武汉科技大学 2007
本文编号：3325680
【文章来源】：广西民族大学广西壮族自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
直接密度可达、密度可达、密度相连
OPTICS可达图
数据点的比率，超过指定的某个输入的参数即阈值，当这个单元格中的点数大于该阈值时，我们说该单元格稠密，否则不是；4、在某个相邻区域内将密度较大的连通起来成为一个集合称为簇。定义12(网格单元)n维的数据集123,,,...,nDSDDDD，将每一个子空间iD都扩展划分为与最大的子空间maxD大小相等的区域，然后可以根据网格步长gs来将D划分成m个大小相等的区间，从而把D分成了m个互不重叠的网格单元。定义13(单元格的有效性)如果令jv表示jg的有效性，当x0时(x为jg中数据的个数)jg则为有效，0jv;否则无效，1jv。图2.3子空间划分Fig2.3Subspacedivision定义14(稠密单元格)给定密度阈值，当DS射影到g范围内数据对象的数量x时，g为稠密单元格dg，否则为非稠密单元格dg。定义15(上/下四分位距)在箱形图中，三四分位数3Q与二四分位数2Q的差距称为为上四分位距，即:32UIQRQQ;二四分位数2Q一四分位数1Q的差距称为为下四分位距，即:21UIQRQQ定义16(边界网格)预先指定阈值，在iD中，dgg，且dg{g的相邻单元格}都g，则g为边界单元格。下面是CLIQUE算法步骤。表2.3CLIQUE算法步骤Table2.3CLIQUEalgorithmstepsCLIQUE算法步骤(1)根据(根据空间数据特征来确定)的值，把原多维空间数据对象的每一维属性划分成相等的区间，同时将每一维上区间的划分保存下来；(2)n1，经过划分得到的所有矩形单元都为候选稠密单元；(3)扫描原数据空间，找出n维子空间中落在每个候选稠密单元的数据对象个数，就是记录
【参考文献】：
期刊论文
[1]基于聚类与Hough变换的交通标志检测方法[J]. 苗丹,卢伟,高娇娇,李哲. 计算机系统应用. 2019(11)
[2]基于区间数的不确定性数据聚类算法:UD-OPTICS[J]. 吴翠先,何少元. 计算机工程与科学. 2019(07)
[3]CUDA-TP:基于GPU的自顶向下完整蛋白质鉴定并行算法[J]. 段琼,田博,陈征,王洁,何增有. 计算机研究与发展. 2018(07)
[4]结合Ostu阈值法的最小生成树图像分割算法[J]. 宋森森,贾振红,杨杰,Nikola KASABOV. 计算机工程与应用. 2019(09)
[5]不确定NNSB-OPTICS聚类算法在滑坡危险性预测中的研究与应用[J]. 毛伊敏,陈华彬,李忠利,张灿龙. 计算机应用研究. 2019(01)
[6]肺部CT图像病变区域检测方法[J]. 韩光辉,刘峡壁,郑光远. 自动化学报. 2017(12)
[7]一种基于网格与加权信息熵的OPTICS改进算法[J]. 安建瑞,张龙波,王雷,金超,怀浩,王晓丹. 计算机工程. 2017(02)
[8]基于图论的图像分割方法关键技术研究[J]. 叶青,胡昌标. 计算机与数字工程. 2016(08)
[9]图像分割中的超像素方法研究综述[J]. 宋熙煜,周利莉,李中国,陈健,曾磊,闫镔. 中国图象图形学报. 2015(05)
[10]量子粒子群优化改进的模糊C均值聚类算法[J]. 李引,毛力,须文波. 计算机工程与应用. 2012(35)
硕士论文
[1]基于中值的Otsu算法在图像处理中的研究与应用[D]. 王菡.吉林大学 2013
[2]基于图割理论的肝脏CT图像分割算法研究[D]. 郝闯.东北大学 2012
[3]聚类分析算法CLIQUE的改进及应用[D]. 陈朝华.中南大学 2009
[4]图像增强算法的研究[D]. 盛道清.武汉科技大学 2007
本文编号：3325680
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3325680.html
最近更新
教材专著
